已验证65% 置信事实精确时间

PCA 降维通过对数据协方差矩阵做特征分解，找到数据方差最大的投影轴，从而在最大保留信息的前提下压缩维度

3

来源数

65%

置信度

长期有效

时效性

2026/7/13

首次发现

来源

机器学习数学基础学习路线：四大核心板块与资源推荐

相关事实

待验证CNN通过卷积核在图像上滑动扫描抓取局部特征，再通过池化操作压缩保留最强特征63% 相似待验证PCA的主成分方向是在当前图像的token分布上单独拟合的，不同图像的主成分指向不同方向，因此颜色不携带跨图像的语义信息63% 相似待验证卷积神经网络（CNN）受视觉皮层结构启发，通过卷积核在图像上滑动提取局部特征，参数共享机制大幅降低计算量61% 相似待验证t-SNE倾向于产生看起来分离很好的聚类，即使原始数据中的边界并不清晰，而PCA的投影方向具有明确的数学含义60% 相似待验证从PCA降维到Transformer的注意力机制都依赖矩阵运算和向量空间变换60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/502906

API

curl https://kongchang.com/api/v1/knowledge/claims/502906

MCP

get_claim(id=502906)